8 月 11 日，澎湃新闻报道，硅谷通用机器人企业 DynaRobotics 正式发布新一代具身基础模型 Dyna-2，核心解决行业普遍存在的任务泛化弱、实操成功率低两大痛点。该模型以超 100 万小时第一视角人类视频完成预训练，无需海量机器人真机数据打底，适配新任务效率实现质的突破：仅需 13 分钟真机遥操作示范数据，就能让五指灵巧手自主完成拧瓶盖这类精细全新任务。

实测数据对比凸显迭代幅度：高精度工业制造场景中，Dyna-2 任务成功率从上一代 VLA 架构 Dyna-1 的 20% 提升至 80%-90%；真实商业场景落地通过率达 87%，是初代模型 46% 通过率的近两倍。面对外力扰动、环境变化时，Dyna-2 可自主修正动作恢复作业，而旧版 VLA 模型极易操作失效、需要人工复位干预。

公司 DynaRobotics 于 2024 年 9 月成立，总部落地美国硅谷，同步在上海设立硬件研发中心，国内经营主体为达纳灵动科技。三位创始人均为华人，背景兼具产业商业化与顶尖学术科研能力：联合创始人林顿・高、约克・杨是连续创业者，二人早年打造的智能购物车企业 Caper AI 在 2021 年以 3.5 亿美元完成收购；首席科学家马也骋为前 DeepMind 研究科学家，深耕机器人基础模型、强化学习领域，拥有英伟达、Meta AI 多段大厂研发履历。

本次 Dyna-2 性能飞跃的核心来自底层架构革新。行业主流具身模型（英伟达 GR00T、Physical Intelligence π 系列、DeepMind Gemini Robotics）均采用 VLA 视觉 - 语言 - 动作架构，逻辑仅能根据画面、语言指令直接输出机器人动作，只解决 “下一步该怎么动”；而 Dyna-2 首创 WAM 世界 - 动作模型，在统一表征体系中同步预测未来画面变化与机器人电机动作指令，让机器人提前预判动作带来的环境改变，真正理解物理交互逻辑NVIDIA。

依托这套双向预测架构，WAM 模型在跨机型适配、复杂环境抗干扰、多轮语言指令理解三大维度实现显著优化。团队在 2026 世界人工智能大会上表示，VLA 与 WAM 两条技术路线并非对立，未来存在融合空间，二者各有适配场景，VLA 在简单语义指令执行上效率更高，WAM 则在开放环境、未知新任务泛化层面具备天然优势。

技术报告数据证实，Dyna-2 验证了人类视频数据存在明确缩放定律：预训练所用人类视频时长越多，机器人面对从未见过的新本体、新任务时预测精度越高，百万小时级数据规模下性能仍未出现明显饱和，为行业低成本扩充训练数据集提供全新思路。目前模型已适配机械臂、人形机器人、五指灵巧手多类硬件，覆盖食品处理、精密装配、柔性布料操作等多元场景，企业已对接多批工业客户落地测试。